Inicio → Guías → GPT-6 Astra vs GPT-6.1 Sol vs Claude Opus 5.5: una prueba de código con tests ocultos

GPT-6 Astra vs GPT-6.1 Sol vs Claude Opus 5.5: una prueba de código con tests ocultos

Los benchmarks de las fichas de modelo los ejecuta quien vende el modelo. Así que escribimos el nuestro: 13 tareas de JavaScript, resueltas dos veces por cada modelo en un solo intento y comprobadas con 286 casos de prueba ocultos en un sandbox sin red. Siete tareas son código cotidiano; seis giran en torno a casos límite fáciles de pasar por alto.

Resultados

Modelo	Casos de prueba superados	Tareas resueltas por completo	Tiempo mediano, tareas cotidianas	Tiempo mediano, casos límite	Respuesta mediana (tokens de salida)	Coste medio por tarea
gpt-6.1-sol	286/286 (100%)	26/26	12.4 s	19.8 s	428	$0.0027
gpt-6-astra	284/286 (99.3%)	24/26	12.1 s	17.4 s	428	$0.0124
claude-opus-5-5	275/286 (96.2%)	21/26	4.2 s	8.9 s	447	$0.0056

Solo gpt-6.1-sol lo superó todo, en ambos intentos. gpt-6-astra falló un caso, el mismo en los dos intentos. claude-opus-5-5 fue de dos a tres veces más rápido que ambos GPT y escribió código de longitud parecida, pero falló más casos. Los costes son los que nuestra pasarela facturó por estas mismas solicitudes.

Dónde falló cada modelo

• GPT-6 Astra: camino más corto. Cuando todas las aristas pesaban 0, su búsqueda entraba en un bucle infinito hasta agotar la memoria de Node. El mismo fallo en los dos intentos; las otras siete comprobaciones de esa tarea las superó.
• Claude Opus 5.5: concurrencia y análisis de expresiones. En ambos intentos su pool asíncrono ejecutó más llamadas a la vez de las permitidas: cinco con un límite de tres. En la tarea de potencias, un intento ignoró la regla explícita de que -2^2 es -4 y el otro aceptó 2 2 como expresión válida. En la calculadora cotidiana, un intento rechazó 1 + 2 * 3 por los espacios, aunque la tarea pedía admitir espacios arbitrarios.
• GPT-6.1 Sol: nada. Las 286 comprobaciones en ambos intentos.

Nada de esto es raro: espacios, una arista de peso 0, un tope de llamadas en paralelo. Son justo los casos que pasan una prueba rápida a mano y luego fallan en producción, por eso los comprueban los tests.

Velocidad

Opus 5.5 respondió una tarea típica en 4–9 segundos. Los dos GPT tardaron 12–20 segundos porque razonan antes de escribir. En un chat donde ves aparecer la respuesta, Opus parece mucho más rápido; para un agente que ejecuta tests tras cada paso, diez segundos más rara vez importan frente al coste de una respuesta errónea.

Coste

Por tarea, gpt-6.1-sol costó 0,0027 $, claude-opus-5-5 0,0056 $ y gpt-6-astra 0,0124 $. Astra costó unas 4,6 veces lo de Sol con una nota algo inferior. Los tres escribieron respuestas de longitud casi idéntica, así que la diferencia viene del precio por token, no de la verbosidad.

Cómo lo probamos

Cada modelo recibió el mismo prompt: la tarea más «Responde con un único bloque de código que contenga el módulo CommonJS completo». Sin prompt de sistema, sin ejemplos, sin reintentos. El código se ejecutó en Node 20 dentro de un contenedor sin red y con límite de tiempo por tarea; si una respuesta se caía, cada caso se volvía a ejecutar por separado para que un fallo no dejara el resto a cero.

• Tareas cotidianas (7): caché LRU, evaluador de expresiones aritméticas, fusión de intervalos, orden topológico, corregir una búsqueda binaria con errores, limitador de tasa tipo token bucket, analizador de una línea CSV.
• Casos límite (6): pequeño motor de regex con . * + ?, multiplicar números de 2.000 cifras sin BigInt, evaluador con ^ asociativo por la derecha, pool asíncrono con concurrencia limitada, contar días laborables a lo largo de años y el camino más corto lexicográficamente menor.

Todas las solicitudes pasaron por nuestra pasarela el 12 y 13 de octubre de 2026. Dos intentos por tarea es una muestra pequeña: una diferencia de pocos casos entre dos modelos puede ser variación normal. El pleno de Sol y el fallo repetido de Astra no lo son.

Cuál usar

• Por defecto para programar: gpt-6.1-sol, la única puntuación perfecta y el menor coste.
• Cuando prima la velocidad: claude-opus-5-5, responde en segundos; úsalo con tests, porque es el que más tiende a saltarse un detalle del enunciado.
• GPT-6 Astra: sólido, pero en esta prueba no aportó nada que Sol no diera, a más de cuatro veces el precio.

Precios actuales: GPT-6.1 Sol · GPT-6 Astra · Claude Opus 5.5.

Empieza a usarlo

Sin suscripción, sin mínimo mensual, sin llamada comercial. Recarga con USDT y gasta lo que uses — 1 USDT te da 2 créditos de saldo de API.

Lee el inicio rápido de 30 segundos

Idioma: English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Deutsch · Français · Español · Türkçe · Português · Italiano · Bahasa Indonesia · Tiếng Việt · Bahasa Melayu · Polski · Čeština · فارسی · Русский

Los precios de esta página se rellenan automáticamente con datos de facturación reales. Las condiciones de terceros se citan de su propia documentación.